Skip to content

M
mooc-rr
Commit bbb9cd23 authored by Olivia Guillin's avatar Olivia Guillin
Browse files
Options

Fichier .org du travail évalué par les pairs

parent 04d214b9
Hide whitespace changes
Inline Side-by-side
Showing with 171 additions and 58 deletions
module3/exo3/exercice_R_fr.org
View file @ bbb9cd23
#+TITLE: Votre titre #+Title: Votre titre
#+AUTHOR: Votre nom #+AUTHOR: Votre nom
#+DATE: La date du jour #+DATE: La date du jour
#+LANGUAGE: fr #+LANGUAGE: fr
...@@ -11,74 +11,187 @@ ...@@ -11,74 +11,187 @@
#+HTML_HEAD: <script type="text/javascript" src="http://www.pirilampo.org/styles/lib/js/jquery.stickytableheaders.js"></script> #+HTML_HEAD: <script type="text/javascript" src="http://www.pirilampo.org/styles/lib/js/jquery.stickytableheaders.js"></script>
#+HTML_HEAD: <script type="text/javascript" src="http://www.pirilampo.org/styles/readtheorg/js/readtheorg.js"></script> #+HTML_HEAD: <script type="text/javascript" src="http://www.pirilampo.org/styles/readtheorg/js/readtheorg.js"></script>
* Quelques explications * Préparation des données
Ceci est un document org-mode avec quelques exemples de code Voici le lien qui correspond aux données traitées dans ce
R. Une fois ouvert dans emacs, ce document peut aisément être document. Elles ont été téléchargées le 10 Juin 2020 à 21:51
exporté au format HTML, PDF, et Office. Pour plus de détails sur #+NAME: donnees-url
org-mode vous pouvez consulter https://orgmode.org/guide/. https://raw.githubusercontent.com/CSSEGISandData/COVID-19/master/csse_covid_19_data/csse_covid_19_time_series/time_series_covid19_confirmed_global.csv
Lorsque vous utiliserez le raccourci =C-c C-e h o=, ce document sera ** Téléchargement des données
compilé en html. Tout le code contenu sera ré-exécuté, les résultats
récupérés et inclus dans un document final. Si vous ne souhaitez pas
ré-exécuter tout le code à chaque fois, il vous suffit de supprimer
le # et l'espace qui sont devant le ~#+PROPERTY:~ au début de ce
document.
Comme nous vous l'avons montré dans la vidéo, on inclut du code Nous vérifions si le fichier existe. Si ce n'est pas le cas nous le
R de la façon suivante (et on l'exécute en faisant ~C-c C-c~): téléchargeons.
#+begin_src python :results silent :session :var donnees_url=donnees-url
donnees_file ='cas-confirmes-covid19.csv'
#+begin_src R :results output :exports both import os
print("Hello world!") import urllib.request
if not os.path.exists(donnees_file):
urllib.request.urlretrieve(donnees_url,donnees_file)
#+end_src #+end_src
#+RESULTS:
: [1] "Hello world!"
Voici la même chose, mais avec une session R (c'est le cas le Nous commençons le traitement par l'extraction des données.
plus courant, R étant vraiment un langage interactif), donc une Ensuite nous découpons le contenu du fichier en lignes, en éliminant les espaces qui pourraient se trouver autour des mots.
persistance d'un bloc à l'autre (et on l'exécute toujours en faisant Nous conservons toutes les lignes qui sont découpées en colonnes en utilisant le séparateur ','.
~C-c C-c~). #+begin_src python :results silent :session :var donnees_url=donnees-url
donnees = open(donnees_file, 'rb').read()
#+begin_src R :results output :session *R* :exports both lines = donnees.decode('latin-1').strip().split('\n')
summary(cars) donnees_lines = lines[0:]
table = [line.split(',') for line in donnees_lines]
#+end_src
** Trie des données
Nous affichons le début du tableau afin d'avoir un aperçu des données
#+begin_src python :results value :session
table[:10]
#+end_src #+end_src
#+RESULTS: #+RESULTS:
: speed dist | Province/State | Country/Region | Lat | Long | 1/22/20 | 1/23/20 | 1/24/20 | 1/25/20 | 1/26/20 | 1/27/20 | 1/28/20 | 1/29/20 | 1/30/20 | 1/31/20 | 2/1/20 | 2/2/20 | 2/3/20 | 2/4/20 | 2/5/20 | 2/6/20 | 2/7/20 | 2/8/20 | 2/9/20 | 2/10/20 | 2/11/20 | 2/12/20 | 2/13/20 | 2/14/20 | 2/15/20 | 2/16/20 | 2/17/20 | 2/18/20 | 2/19/20 | 2/20/20 | 2/21/20 | 2/22/20 | 2/23/20 | 2/24/20 | 2/25/20 | 2/26/20 | 2/27/20 | 2/28/20 | 2/29/20 | 3/1/20 | 3/2/20 | 3/3/20 | 3/4/20 | 3/5/20 | 3/6/20 | 3/7/20 | 3/8/20 | 3/9/20 | 3/10/20 | 3/11/20 | 3/12/20 | 3/13/20 | 3/14/20 | 3/15/20 | 3/16/20 | 3/17/20 | 3/18/20 | 3/19/20 | 3/20/20 | 3/21/20 | 3/22/20 | 3/23/20 | 3/24/20 | 3/25/20 | 3/26/20 | 3/27/20 | 3/28/20 | 3/29/20 | 3/30/20 | 3/31/20 | 4/1/20 | 4/2/20 | 4/3/20 | 4/4/20 | 4/5/20 | 4/6/20 | 4/7/20 | 4/8/20 | 4/9/20 | 4/10/20 | 4/11/20 | 4/12/20 | 4/13/20 | 4/14/20 | 4/15/20 | 4/16/20 | 4/17/20 | 4/18/20 | 4/19/20 | 4/20/20 | 4/21/20 | 4/22/20 | 4/23/20 | 4/24/20 | 4/25/20 | 4/26/20 | 4/27/20 | 4/28/20 | 4/29/20 | 4/30/20 | 5/1/20 | 5/2/20 | 5/3/20 | 5/4/20 | 5/5/20 | 5/6/20 | 5/7/20 | 5/8/20 | 5/9/20 | 5/10/20 | 5/11/20 | 5/12/20 | 5/13/20 | 5/14/20 | 5/15/20 | 5/16/20 | 5/17/20 | 5/18/20 | 5/19/20 | 5/20/20 | 5/21/20 | 5/22/20 | 5/23/20 | 5/24/20 | 5/25/20 | 5/26/20 | 5/27/20 | 5/28/20 | 5/29/20 | 5/30/20 | 5/31/20 | 6/1/20 | 6/2/20 | 6/3/20 | 6/4/20 | 6/5/20 | 6/6/20 | 6/7/20 | 6/8/20 | 6/9/20\r |
: Min. : 4.0 Min. : 2.00 | | Afghanistan | 33.0 | 65.0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 4 | 4 | 5 | 7 | 7 | 7 | 11 | 16 | 21 | 22 | 22 | 22 | 24 | 24 | 40 | 40 | 74 | 84 | 94 | 110 | 110 | 120 | 170 | 174 | 237 | 273 | 281 | 299 | 349 | 367 | 423 | 444 | 484 | 521 | 555 | 607 | 665 | 714 | 784 | 840 | 906 | 933 | 996 | 1026 | 1092 | 1176 | 1279 | 1351 | 1463 | 1531 | 1703 | 1828 | 1939 | 2171 | 2335 | 2469 | 2704 | 2894 | 3224 | 3392 | 3563 | 3778 | 4033 | 4402 | 4687 | 4963 | 5226 | 5639 | 6053 | 6402 | 6664 | 7072 | 7653 | 8145 | 8676 | 9216 | 9998 | 10582 | 11173 | 11831 | 12456 | 13036 | 13659 | 14525 | 15205 | 15750 | 16509 | 17267 | 18054 | 18969 | 19551 | 20342 | 20917 | 21459\r |
: 1st Qu.:12.0 1st Qu.: 26.00 | | Albania | 41.1533 | 20.1683 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 2 | 10 | 12 | 23 | 33 | 38 | 42 | 51 | 55 | 59 | 64 | 70 | 76 | 89 | 104 | 123 | 146 | 174 | 186 | 197 | 212 | 223 | 243 | 259 | 277 | 304 | 333 | 361 | 377 | 383 | 400 | 409 | 416 | 433 | 446 | 467 | 475 | 494 | 518 | 539 | 548 | 562 | 584 | 609 | 634 | 663 | 678 | 712 | 726 | 736 | 750 | 766 | 773 | 782 | 789 | 795 | 803 | 820 | 832 | 842 | 850 | 856 | 868 | 872 | 876 | 880 | 898 | 916 | 933 | 946 | 948 | 949 | 964 | 969 | 981 | 989 | 998 | 1004 | 1029 | 1050 | 1076 | 1099 | 1122 | 1137 | 1143 | 1164 | 1184 | 1197 | 1212 | 1232 | 1246 | 1263 | 1299\r |
: Median :15.0 Median : 36.00 | | Algeria | 28.0339 | 1.6596 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 1 | 1 | 1 | 1 | 1 | 3 | 5 | 12 | 12 | 17 | 17 | 19 | 20 | 20 | 20 | 24 | 26 | 37 | 48 | 54 | 60 | 74 | 87 | 90 | 139 | 201 | 230 | 264 | 302 | 367 | 409 | 454 | 511 | 584 | 716 | 847 | 986 | 1171 | 1251 | 1320 | 1423 | 1468 | 1572 | 1666 | 1761 | 1825 | 1914 | 1983 | 2070 | 2160 | 2268 | 2418 | 2534 | 2629 | 2718 | 2811 | 2910 | 3007 | 3127 | 3256 | 3382 | 3517 | 3649 | 3848 | 4006 | 4154 | 4295 | 4474 | 4648 | 4838 | 4997 | 5182 | 5369 | 5558 | 5723 | 5891 | 6067 | 6253 | 6442 | 6629 | 6821 | 7019 | 7201 | 7377 | 7542 | 7728 | 7918 | 8113 | 8306 | 8503 | 8697 | 8857 | 8997 | 9134 | 9267 | 9394 | 9513 | 9626 | 9733 | 9831 | 9935 | 10050 | 10154 | 10265 | 10382\r |
: Mean :15.4 Mean : 42.98 | | Andorra | 42.5063 | 1.5218 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 2 | 39 | 39 | 53 | 75 | 88 | 113 | 133 | 164 | 188 | 224 | 267 | 308 | 334 | 370 | 376 | 390 | 428 | 439 | 466 | 501 | 525 | 545 | 564 | 583 | 601 | 601 | 638 | 646 | 659 | 673 | 673 | 696 | 704 | 713 | 717 | 717 | 723 | 723 | 731 | 738 | 738 | 743 | 743 | 743 | 745 | 745 | 747 | 748 | 750 | 751 | 751 | 752 | 752 | 754 | 755 | 755 | 758 | 760 | 761 | 761 | 761 | 761 | 761 | 761 | 762 | 762 | 762 | 762 | 762 | 763 | 763 | 763 | 763 | 764 | 764 | 764 | 765 | 844 | 851 | 852 | 852 | 852 | 852 | 852 | 852\r |
: 3rd Qu.:19.0 3rd Qu.: 56.00 | | Angola | -11.2027 | 17.8739 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 2 | 2 | 3 | 3 | 3 | 4 | 4 | 5 | 7 | 7 | 7 | 8 | 8 | 8 | 10 | 14 | 16 | 17 | 19 | 19 | 19 | 19 | 19 | 19 | 19 | 19 | 19 | 19 | 24 | 24 | 24 | 24 | 25 | 25 | 25 | 25 | 26 | 27 | 27 | 27 | 27 | 30 | 35 | 35 | 35 | 36 | 36 | 36 | 43 | 43 | 45 | 45 | 45 | 45 | 48 | 48 | 48 | 48 | 50 | 52 | 52 | 58 | 60 | 61 | 69 | 70 | 70 | 71 | 74 | 81 | 84 | 86 | 86 | 86 | 86 | 86 | 86 | 88 | 91 | 92 | 96\r |
: Max. :25.0 Max. :120.00 | | Antigua and Barbuda | 17.0608 | -61.7964 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 3 | 3 | 3 | 7 | 7 | 7 | 7 | 7 | 7 | 7 | 9 | 15 | 15 | 15 | 15 | 19 | 19 | 19 | 19 | 21 | 21 | 23 | 23 | 23 | 23 | 23 | 23 | 23 | 23 | 23 | 24 | 24 | 24 | 24 | 24 | 24 | 24 | 24 | 24 | 25 | 25 | 25 | 25 | 25 | 25 | 25 | 25 | 25 | 25 | 25 | 25 | 25 | 25 | 25 | 25 | 25 | 25 | 25 | 25 | 25 | 25 | 25 | 25 | 25 | 25 | 25 | 25 | 25 | 25 | 26 | 26 | 26 | 26 | 26 | 26 | 26 | 26 | 26 | 26\r |
| | Argentina | -38.4161 | -63.6167 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 1 | 1 | 2 | 8 | 12 | 12 | 17 | 19 | 19 | 31 | 34 | 45 | 56 | 68 | 79 | 97 | 128 | 158 | 266 | 301 | 387 | 387 | 502 | 589 | 690 | 745 | 820 | 1054 | 1054 | 1133 | 1265 | 1451 | 1451 | 1554 | 1628 | 1715 | 1795 | 1975 | 1975 | 2142 | 2208 | 2277 | 2443 | 2571 | 2669 | 2758 | 2839 | 2941 | 3031 | 3144 | 3435 | 3607 | 3780 | 3892 | 4003 | 4127 | 4285 | 4428 | 4532 | 4681 | 4783 | 4887 | 5020 | 5208 | 5371 | 5611 | 5776 | 6034 | 6278 | 6563 | 6879 | 7134 | 7479 | 7805 | 8068 | 8371 | 8809 | 9283 | 9931 | 10649 | 11353 | 12076 | 12628 | 13228 | 13933 | 14702 | 15419 | 16214 | 16851 | 17415 | 18319 | 19268 | 20197 | 21037 | 22020 | 22794 | 23620 | 24761\r |
Et enfin, voici un exemple de sortie graphique: | | Armenia | 40.0691 | 45.0382 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 4 | 8 | 18 | 26 | 52 | 78 | 84 | 115 | 136 | 160 | 194 | 235 | 249 | 265 | 290 | 329 | 407 | 424 | 482 | 532 | 571 | 663 | 736 | 770 | 822 | 833 | 853 | 881 | 921 | 937 | 967 | 1013 | 1039 | 1067 | 1111 | 1159 | 1201 | 1248 | 1291 | 1339 | 1401 | 1473 | 1523 | 1596 | 1677 | 1746 | 1808 | 1867 | 1932 | 2066 | 2148 | 2273 | 2386 | 2507 | 2619 | 2782 | 2884 | 3029 | 3175 | 3313 | 3392 | 3538 | 3718 | 3860 | 4044 | 4283 | 4472 | 4823 | 5041 | 5271 | 5606 | 5928 | 6302 | 6661 | 7113 | 7402 | 7774 | 8216 | 8676 | 8927 | 9282 | 9492 | 10009 | 10524 | 11221 | 11817 | 12364 | 13130 | 13325 | 13675\r |
#+begin_src R :results output graphics :file "./cars.png" :exports results :width 600 :height 400 :session *R* | Australian Capital Territory | Australia | -35.4735 | 149.0124 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 1 | 1 | 2 | 2 | 3 | 4 | 6 | 9 | 19 | 32 | 39 | 39 | 53 | 62 | 71 | 77 | 78 | 80 | 84 | 87 | 91 | 93 | 96 | 96 | 96 | 99 | 100 | 103 | 103 | 103 | 102 | 103 | 103 | 103 | 103 | 103 | 103 | 104 | 104 | 104 | 104 | 105 | 106 | 106 | 106 | 106 | 106 | 106 | 106 | 106 | 106 | 107 | 107 | 107 | 107 | 107 | 107 | 107 | 107 | 107 | 107 | 107 | 107 | 107 | 107 | 107 | 107 | 107 | 107 | 107 | 107 | 107 | 107 | 107 | 107 | 107 | 107 | 107 | 107 | 107 | 107 | 107 | 107 | 107 | 108 | 108 | 108 | 108\r |
plot(cars)
Il y a plusieurs lignes qui nous intéressent:
- la Belgique (/Belgium)/ -> ligne 24
- la Chine (/China/) hors Hong-Kong -> lignes 50 à 61 puis 63 à 83
- Hong-Kong -> ligne 62
- La France métropolitaine (/France/) -> ligne 117
- L'Allemagne (ligne 121)
- l'Iran (ligne 134)
- l'Italie (ligne 138)
- le Japon (ligne 140)
- la Corée du Sud (ligne 144)
- la Hollande sans les colonies (ligne 170)
- le Portugal (ligne 185)
- l'Espagne (ligne 202)
- le Royaume-Unis sans les colonies (ligne 224)
- les Etats-Unis (ligne 226)
On choisi les lignes qui nous interessent.
#+begin_src python :results silent :session
date = table[0]
del date[:4]
belgique = table[24]
del belgique[:4]
chine1 = table[50:62]
chine2 = table[63:83]
chine = chine1 + chine2
hong_kong = table[62]
del hong_kong[:4]
france_metropolitaine = table[117]
del france_metropolitaine[:4]
allemagne = table[121]
del allemagne[:4]
iran = table[134]
del iran[:4]
italie = table[138]
del italie[:4]
japon = table[140]
del japon[:4]
coree_du_sud = table[144]
del coree_du_sud[:5]
hollande = table[170]
del hollande[:4]
portugal = table[185]
del portugal[:4]
espagne = table[202]
del espagne[:4]
royaume_unis = table[224]
del royaume_unis[:4]
etats_unis = table[226]
del etats_unis[:4]
#+end_src
Pour le cas de la Chine, il faut faire la somme des valeurs de
plusieurs provinces sans Hong-Kong. Pour celà, je vais ajouter les valeurs de chaque
ligne correspondant à des provinces chinoises (sauf Hong-Kong)
#+begin_src python :results silent :session :exports both
import numpy as np
sum_chine = np.sum(np.array(chine)[:,4:-1].astype(np.int32),axis=0).tolist()
#+end_src
Je vais maintenant ajouter les dates et tous les pays dans une liste.
#+begin_src python :results silent :session :exports both
donnees = list(zip(date, belgique, hong_kong, france_metropolitaine, allemagne, iran, italie, japon, coree_du_sud, hollande, portugal, espagne, royaume_unis, etats_unis, sum_chine))
#+end_src #+end_src
** Passage Python -> R
Nous passons au langage R pour inspecter nos données, parce que l'analyse et la préparation de graphiques sont plus concises en R, sans nécessiter aucune bibliothèque supplémentaire.
Nous utilisons le mécanisme d'échange de données proposé par org-mode, ce qui nécessite un peu de code Python pour transformer les données dans le bon format.
#+NAME: donnees-for-R
#+BEGIN_SRC python :results silent :session
[('Date', 'Belgique', 'Hong-Kong', 'France', 'Allemagne', 'Iran', 'Italie', 'Japon', 'Corée du Sud', 'Hollande', 'Portugal', 'Espagne', 'Royaume-Unis', 'Etats-Unis', 'Chine'), None] + [(str(en_tete), belgique, hong_kong, france_metropolitaine, allemagne, iran, italie, japon, coree_du_sud, hollande, portugal, espagne, royaume_unis, etats_unis, sum_chine) for en_tete, belgique, hong_kong, france_metropolitaine, allemagne, iran, italie, japon, coree_du_sud, hollande, portugal, espagne, royaume_unis, etats_unis, sum_chine in donnees]
#+END_SRC
En R, les données arrivent sous forme d'un data frame, mais il faut encore convertir les dates, qui arrivent comme chaînes de caractères.
#+BEGIN_SRC R :results silent :var donnees=donnees-for-R :session
date_evt_bis=as.Date(donnees$Date, format="%m/%d/%Y")
#+END_SRC
* Analyse
On peut maintenant faire le graphe du nombre de mort en échelle linéaire.
#+BEGIN_SRC R :results output graphics :file Covid19_lin.png :session
plot(date_evt_bis, donnees$Belgique, type ='l', col ='brown', lwd =2,
ylab='Morts cumulées',
xlab='Date',
ylim=c(0,2500000))
lines(date_evt_bis, donnees$Hong.Kong, type ='l', col ='blue', lwd =2)
lines(date_evt_bis, donnees$France, type ='l', col ='aquamarine3', lwd =2)
lines(date_evt_bis, donnees$Allemagne, type ='l', col ='darkorange', lwd =2)
lines(date_evt_bis, donnees$Iran, type ='l', col ='gray', lwd =2)
lines(date_evt_bis, donnees$Italie, type ='l', col ='darkgreen', lwd =2)
lines(date_evt_bis, donnees$Japon, type ='l', col ='darkblue', lwd =2)
lines(date_evt_bis, donnees$Corée.du.Sud, type ='l', col ='deeppink', lwd =2)
lines(date_evt_bis, donnees$Hollande, type ='l', col ='darkviolet', lwd =2)
lines(date_evt_bis, donnees$Portugal, type ='l', col='green', lwd =2)
lines(date_evt_bis, donnees$Espagne, type ='l', col ='red', lwd =2)
lines(date_evt_bis, donnees$Royaume.Unis, type ='l',col ='darkred', lwd =2)
lines(date_evt_bis, donnees$Etats.Unis, type ='l', col='yellow2', lwd =2)
lines(date_evt_bis, donnees$Chine, type ='l', col='black', lwd =2)
legend('topleft', inset=0.05 , legend =c('Hong-Kong', 'France', 'Allemagne', 'Iran', 'Italie', 'Japon', 'Corée du Sud', 'Hollande', 'Portugal', 'Espagne', 'Royaume-Uni', 'Etats-Unis', 'Chine'), col=c('blue', 'aquamarine3', 'darkorange', 'gray', 'darkgreen', 'darkblue', 'deeppink', 'darkviolet', 'green', 'red', 'darkred', 'yellow2', 'black'), lty=1, lwd=2)
#+END_SRC
#+RESULTS:
[[file:Covid19_lin.png]]
Puis en échelle logarithmique
#+BEGIN_SRC R :results output graphics :file Covid19_log.png :session
plot(date_evt_bis, donnees$Belgique, type ='l', col ='brown', lwd =2,
ylab='Morts cumulées',
xlab='Date',
log='y',
ylim=c(1,2500000))
lines(date_evt_bis, donnees$Hong.Kong, type ='l', col ='blue', lwd =2)
lines(date_evt_bis, donnees$France, type ='l', col ='aquamarine3', lwd =2)
lines(date_evt_bis, donnees$Allemagne, type ='l', col ='darkorange', lwd =2)
lines(date_evt_bis, donnees$Iran, type ='l', col ='gray', lwd =2)
lines(date_evt_bis, donnees$Italie, type ='l', col ='darkgreen', lwd =2)
lines(date_evt_bis, donnees$Japon, type ='l', col ='darkblue', lwd =2)
lines(date_evt_bis, donnees$Corée.du.Sud, type ='l', col ='deeppink', lwd =2)
lines(date_evt_bis, donnees$Hollande, type ='l', col ='darkviolet', lwd =2)
lines(date_evt_bis, donnees$Portugal, type ='l', col='green', lwd =2)
lines(date_evt_bis, donnees$Espagne, type ='l', col ='red', lwd =2)
lines(date_evt_bis, donnees$Royaume.Unis, type ='l',col ='darkred', lwd =2)
lines(date_evt_bis, donnees$Etats.Unis, type ='l', col='yellow2', lwd =2)
lines(date_evt_bis, donnees$Chine, type ='l', col='black', lwd =2)
#+END_SRC
#+RESULTS: #+RESULTS:
[[file:./cars.png]] [[file:Covid19_log.png]]
Vous remarquerez le paramètre ~:exports results~ qui indique que le code
ne doit pas apparaître dans la version finale du document. Nous vous
recommandons dans le cadre de ce MOOC de ne pas changer ce paramètre
(indiquer ~both~) car l'objectif est que vos analyses de données soient
parfaitement transparentes pour être reproductibles.
Attention, la figure ainsi générée n'est pas stockée dans le document
org. C'est un fichier ordinaire, ici nommé ~cars.png~. N'oubliez pas
de le committer si vous voulez que votre analyse soit lisible et
compréhensible sur GitLab.
Enfin, pour les prochains exercices, nous ne vous fournirons pas
forcément de fichier de départ, ça sera à vous de le créer, par
exemple en repartant de ce document et de le commiter vers
gitlab. N'oubliez pas que nous vous fournissons dans les ressources de
ce MOOC une configuration avec un certain nombre de raccourcis
claviers permettant de créer rapidement les blocs de code R (en
faisant ~<r~ ou ~<R~ suivi de ~Tab~).
Maintenant, à vous de jouer! Vous pouvez effacer toutes ces
informations et les remplacer par votre document computationnel.
Markdown is supported
0% or
You are about to add 0 people to the discussion. Proceed with caution.
Finish editing this message first!
Please register or to comment